Álgebra Lineal. Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación
|
|
- Montserrat Torregrosa Méndez
- hace 8 años
- Vistas:
Transcripción
1 Álgebra Lineal Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad de Informática 1 / 16
2 Método de Gram-Schmidt Sea {v 1, v 2,..., v m } un conjunto linealmente independiente de vectores de R n. El método de Gram-Schmidt nos da un conjunto ortogonal {u 1, u 2,..., u m } de vectores de forma que: v 1, v 2,..., v m = u 1, u 2,..., u m. Veamos un ejemplo de cómo funciona el algoritmo paso por paso: m,n,t= var ( m,n,t ) v1= vector ([-1,2,0,1]) v2= vector ([3,2,2,4]) v3= vector ([0,4,-2,1]) # Algoritmo de Gram - Schmidt paso a paso u1=v1 u2=v2+m*u1 solve (u1. dot_product (u2)==0,m) [m == (-5/6)] u2=u2(m=-5/6); u2 (23/6, 1/3, 2, 19/6) u3=v3+n*u1+t*u2 2 / 16
3 Método de Gram-Schmidt (cont.) solve ([u1. dot_product (u3)==0, u2. dot_product (u3)==0],n,t) [[n == (-3/2), t == (-3/ 173 )]] u3=u3(n=-3/2,t=-3/ 173 ); u3 ( 248 /173, 172 /173, /173, -96/173 ) # Comprobacion u1. dot_product (u2 ); u2. dot_product (u3 ); u1. dot_product (u3) # Veamos que generan el mismo subespacio span (QQ,[u1,u2,u3])== span (QQ,[v1,v2,v3]) True Directamente con SAGE: A= matrix ([v1,v2,v3]) G,M=A. gram_schmidt () G 3 / 16
4 Conjuntos ortonormales Podemos convertir el conjunto ortogonal anterior en conjunto ortonormal, sin más que dividir cada vector por su módulo: w1=u1/u1. norm (); w2=u2/u2. norm (); w3=u3/u3. norm () # Directamente con SAGE, # Nota : hay que usar el cuerpo QQbar # para poder trabajar con radicales A= matrix ( QQbar,[v1,v2,v3]) G,M=A. gram_schmidt ( orthonormal = True ) G # Veamos que las filas de G se corresponden # con los vectores wi G[0]==w1 True G[1]==w2 True G[2]==w3 True 4 / 16
5 Matriz de cambio de base entre bases ortonormales Si B y C son bases ortonormales entonces: P CB = P 1 BC = Pt BC. Veamos esta propiedad con un ejemplo. Consideremos la base ortonormal B = {w 1, w 2, w 3 }: w1= vector ([1/2* sqrt (2), 0, 1/2* sqrt (2)]) w2= vector ([-1/3* sqrt (3/2), 2/3* sqrt (3/2), 1/3* sqrt (3/2)]) w3= vector ([- sqrt (1/3), - sqrt (1/3), sqrt (1/3)]) # Matriz de cambio de B a C BC= matrix ([w1,w2,w3]) # Matriz de cambio de base de C a B CB=BC^1 CB==BC. transpose () True 5 / 16
6 Coordenadas respecto de una base ortonormal Si B = {w 1, w 2, w 3 } es una base ortonormal de R 3, las coordenadas (λ 1, λ 2, λ 3 ) B se calculan: Ejemplo: λ 1 = (v w 1 ), λ 2 = (v w 2 ), λ 3 = (v w 3 ). # para la base B={w1,w2,w3} anterior, # las coordenadas de v=( -4,3,5) son v. dot_product (w1) v. dot_product (w2) v. dot_product (w3) 6 / 16
7 Complemento ortogonal de un subespacio Sea W un subespacio no vacío de R n. Se define el complemento ortogonal W de W como el conjunto: Observaciones: W = {u R n : (u w) = 0, w W }. 1. W es un subespacio de R n. 2. Para que u W no hace falta comprobar que (u w) = 0 para todos los vectores de W, basta comprobarlo para los vectores de una base de W. 3. W W = {(0, 0,..., 0)}. 7 / 16
8 Complemento ortogonal de un subespacio Sea W un subespacio no vacío de R n. Se define el complemento ortogonal W de W como el conjunto: Observaciones: W = {u R n : (u w) = 0, w W }. 1. W es un subespacio de R n. 2. Para que u W no hace falta comprobar que (u w) = 0 para todos los vectores de W, basta comprobarlo para los vectores de una base de W. 3. W W = {(0, 0,..., 0)}. 7 / 16
9 Complemento ortogonal de un subespacio Sea W un subespacio no vacío de R n. Se define el complemento ortogonal W de W como el conjunto: Observaciones: W = {u R n : (u w) = 0, w W }. 1. W es un subespacio de R n. 2. Para que u W no hace falta comprobar que (u w) = 0 para todos los vectores de W, basta comprobarlo para los vectores de una base de W. 3. W W = {(0, 0,..., 0)}. 7 / 16
10 Complemento ortogonal de un subespacio Sea W un subespacio no vacío de R n. Se define el complemento ortogonal W de W como el conjunto: Observaciones: W = {u R n : (u w) = 0, w W }. 1. W es un subespacio de R n. 2. Para que u W no hace falta comprobar que (u w) = 0 para todos los vectores de W, basta comprobarlo para los vectores de una base de W. 3. W W = {(0, 0,..., 0)}. 7 / 16
11 Cálculo de W Caso I Nos dan W en forma de ecuaciones impĺıcitas (L.I.). Ejemplo: W = { (x, y, z, t) R 4 : x + 4y + 9z t = 0 }. Entonces W = (1, 4, 9, 1). Caso II Nos dan W en forma de generadores L.I. Ejemplo: W = ( 1, 2, 0, 2), (0, 2, 0, 4). Entonces W = { (x, y, z, t) R 4 : x + 2y + 2t = 0 2y + 4t = 0 } Consec. Si dim (W ) = r entonces dim (W ) = n r. Por tanto R n = W + W. 8 / 16
12 Cálculo de W Caso I Nos dan W en forma de ecuaciones impĺıcitas (L.I.). Ejemplo: W = { (x, y, z, t) R 4 : x + 4y + 9z t = 0 }. Entonces W = (1, 4, 9, 1). Caso II Nos dan W en forma de generadores L.I. Ejemplo: W = ( 1, 2, 0, 2), (0, 2, 0, 4). Entonces W = { (x, y, z, t) R 4 : x + 2y + 2t = 0 2y + 4t = 0 } Consec. Si dim (W ) = r entonces dim (W ) = n r. Por tanto R n = W + W. 8 / 16
13 Cálculo de W Caso I Nos dan W en forma de ecuaciones impĺıcitas (L.I.). Ejemplo: W = { (x, y, z, t) R 4 : x + 4y + 9z t = 0 }. Entonces W = (1, 4, 9, 1). Caso II Nos dan W en forma de generadores L.I. Ejemplo: W = ( 1, 2, 0, 2), (0, 2, 0, 4). Entonces W = { (x, y, z, t) R 4 : x + 2y + 2t = 0 2y + 4t = 0 } Consec. Si dim (W ) = r entonces dim (W ) = n r. Por tanto R n = W + W. 8 / 16
14 Proyección ortogonal y mejor aproximación Sea v R n. Por lo anterior v = w 0 + w 1 con w 0 W y w 1 W. A w 0 se le llama proyección de v en W y se le denota por w 0 = proy W (v). Del mismo modo a w 1 se le llama proyección de v en W y se le denota por w 1 = proy W (v). Propiedad proy W (v) es el vector más cercano a v dentro de W. Por esta razón también se le llama la mejor aproximación de v en W. 9 / 16
15 Proyección ortogonal y mejor aproximación Sea v R n. Por lo anterior v = w 0 + w 1 con w 0 W y w 1 W. A w 0 se le llama proyección de v en W y se le denota por w 0 = proy W (v). Del mismo modo a w 1 se le llama proyección de v en W y se le denota por w 1 = proy W (v). Propiedad proy W (v) es el vector más cercano a v dentro de W. Por esta razón también se le llama la mejor aproximación de v en W. 9 / 16
16 Proyección ortogonal y mejor aproximación Sea v R n. Por lo anterior v = w 0 + w 1 con w 0 W y w 1 W. A w 0 se le llama proyección de v en W y se le denota por w 0 = proy W (v). Del mismo modo a w 1 se le llama proyección de v en W y se le denota por w 1 = proy W (v). Propiedad proy W (v) es el vector más cercano a v dentro de W. Por esta razón también se le llama la mejor aproximación de v en W. 9 / 16
17 Proyección ortogonal y mejor aproximación Sea v R n. Por lo anterior v = w 0 + w 1 con w 0 W y w 1 W. A w 0 se le llama proyección de v en W y se le denota por w 0 = proy W (v). Del mismo modo a w 1 se le llama proyección de v en W y se le denota por w 1 = proy W (v). Propiedad proy W (v) es el vector más cercano a v dentro de W. Por esta razón también se le llama la mejor aproximación de v en W. 9 / 16
18 Forma de calcular proy W (v) Supongamos que W = w 1, w 2,..., w m es subespacio de R n. Entonces proy W (v) = x 1 w 1 + x 2 w x m w m. Para calcular las incógnitas x 1, x 2,..., x m, tenemos que resolver el SEL dado por x 1 A T A. = A T. v x m. siendo... A = w 1 w 2 w m / 16
19 Observaciones: El SEL anterior siempre es compatible y si los vectores generadores de W son LI, el SEL es compatible determinado. A la solución del SEL anterior se le llama solución por mínimos cuadrados. Se llama error de mínimos cuadrados a la diferencia proy W (v) v. Dentro de las aplicaciones del cálculo de la solución por mínimos cuadrados están: La resolución aproximada de SEL incompatibles. Ajuste de curvas, en particular, el cálculo de la recta de regresión. 11 / 16
20 Observaciones: El SEL anterior siempre es compatible y si los vectores generadores de W son LI, el SEL es compatible determinado. A la solución del SEL anterior se le llama solución por mínimos cuadrados. Se llama error de mínimos cuadrados a la diferencia proy W (v) v. Dentro de las aplicaciones del cálculo de la solución por mínimos cuadrados están: La resolución aproximada de SEL incompatibles. Ajuste de curvas, en particular, el cálculo de la recta de regresión. 11 / 16
21 Observaciones: El SEL anterior siempre es compatible y si los vectores generadores de W son LI, el SEL es compatible determinado. A la solución del SEL anterior se le llama solución por mínimos cuadrados. Se llama error de mínimos cuadrados a la diferencia proy W (v) v. Dentro de las aplicaciones del cálculo de la solución por mínimos cuadrados están: La resolución aproximada de SEL incompatibles. Ajuste de curvas, en particular, el cálculo de la recta de regresión. 11 / 16
22 Observaciones: El SEL anterior siempre es compatible y si los vectores generadores de W son LI, el SEL es compatible determinado. A la solución del SEL anterior se le llama solución por mínimos cuadrados. Se llama error de mínimos cuadrados a la diferencia proy W (v) v. Dentro de las aplicaciones del cálculo de la solución por mínimos cuadrados están: La resolución aproximada de SEL incompatibles. Ajuste de curvas, en particular, el cálculo de la recta de regresión. 11 / 16
23 Observaciones: El SEL anterior siempre es compatible y si los vectores generadores de W son LI, el SEL es compatible determinado. A la solución del SEL anterior se le llama solución por mínimos cuadrados. Se llama error de mínimos cuadrados a la diferencia proy W (v) v. Dentro de las aplicaciones del cálculo de la solución por mínimos cuadrados están: La resolución aproximada de SEL incompatibles. Ajuste de curvas, en particular, el cálculo de la recta de regresión. 11 / 16
24 Ejemplo 1 Calcular la mejor aproximación del vector v = ( 1, 2, 0, 2) en el subespacio W = (0, 1, 3, 1), (2, 1, 1, 1). # Introducimos la matriz A que tiene por # columnas una base de W v= vector (QQ,[-1,2,0,2]) Aux = matrix (QQ,[[0,1,3,-1],[2,-1,1,1]]) A= Aux. transpose () # Tenemos que resolver la ecuacion matricial # A^t* A* X=A^t* v. Si despejamos X tenemos la solucion (A. transpose ()*A)^-1*A. transpose ()*v (1/38, -11/38) # Por tanto la mejor aproximacion ( proyeccion # ortogonal de v en W) v1= vector (QQ,[0,1,3,-1]); v2= vector (QQ,[2,-1,1,1]); (1/38)*v1+(-11/38)*v2 (-11/19, 6/19, -4/19, -6/19) 12 / 16
25 Ejemplo 2 Dado el subespacio W = (0, 1, 3, 1), (2, 1, 1, 1), descomponer el vector v = ( 1, 2, 0, 2) como suma de un vector de W y un vector de W. Solución: El vector de W es el que hemos obtenido antes, w 0 = ( 11/19, 6/19, 4/19, 6/19), para obtener el vector de W simplemente hacemos v w 0 = ( 1, 2, 0, 2) ( 11/19, 6/19, 4/19, 6/19) = = ( 8/19, 32/19, 4/19, 44/19) Observación: El valor v w 0 nos da el error cometido al aproximar v por w / 16
26 Ejemplo 3 Encuentra la mejor solución por mínimos cuadrados del sistema: x 2y = 1 2x + 3y = 7 5x + 2y = 1 # La matriz A es la matriz de coeficientes del SEL A= matrix (QQ,[[1,-2],[2,3],[5,2]]) v= vector (QQ,[1,7,-1]) # Resolvemos la ecuacion matricial # A^t* A* X=A^t* v. Despejando X obtenemos : (A. transpose ()*A)^ -1*A. transpose ()*v (-34/157, 185 / 157 ) # que es la mejor solucion por minimos # cuadrados del SEL 14 / 16
27 Ejemplo 4 Encuentra la parábola de la forma y = ax 2 + bx + c que mejor aproxime a los datos {( 1, 2.5), ( 3, 3.5), (1, 4), (5, 7)} Solución: Aunque no nos lo piden, vamos a dibujar los datos para hacernos una idea: datos = [[-1,2.5],[-3,3.5],[1,4],[5,7]] dt = list_plot ( datos ) dt. show () Sustituyendo los datos en la ecuación de la parábola obtenemos el SEL incompatible: 2.5 = a ( 1) 2 +b ( 1) +c 3.5 = a ( 3) 2 +b ( 3) +c 4 = a 1 2 +b 1 +c 7 = a 5 2 +b 5 +c 15 / 16
28 Ejemplo 4 (cont.) # Introducimos A y v A= matrix (QQ,[[1,-1,1],[9,-3,1],[1,1,1],[25,5,1]]) v= vector (QQ,[2.5,3.5,4,7]) # Resolvemos A^t* A* X=A^t* v (A. transpose ()*A)^-1*A. transpose ()*v (35/352, 3/11, 103 /32) Por tanto la parábola que mejor aproxima a los datos es: y = x x Aunque no nos lo piden vamos a dibujar el resultado: parabola = plot (35/352 *x^2+3/11*x+ 103 /32,-3,5) show (dt+ parabola ) 16 / 16
Álgebra Lineal. Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios. Primero Grado Ingeniería Informática
Álgebra Lineal Sesión de Prácticas 3: Subespacios vectoriales de K n. Operaciones con subespacios Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad de Informática 1 / 22
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detallesTema 3: Producto escalar
Tema 3: Producto escalar 1 Definición de producto escalar Un producto escalar en un R-espacio vectorial V es una operación en la que se operan vectores y el resultado es un número real, y que verifica
Más detallesCambio de representaciones para variedades lineales.
Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesE 1 E 2 E 2 E 3 E 4 E 5 2E 4
Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),
Más detallesSección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.
Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detalles1. Cambios de base en R n.
er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..
Más detallesTema 3. Aplicaciones lineales. 3.1. Introducción
Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones
Más detallesDibujamos estos puntos en el espacio, y no cerramos la figura
PRÁCTICA SÉPTIMA: PROYECCIÓN ORTOGONAL. INVERSA DE MOORE-PENROSE 1. Proyección de un vector sobre un subespacio En este apartado vamos a recordar como se proyecta un vector v R m sobre un subespacio vectorial
Más detallesAPLICACIONES LINEALES. DIAGONALIZACIÓN
I.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin demostrar, cuáles de las siguientes afirmaciones
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesTema 5.- Ortogonalidad y mejor aproximación.
Ingeniería Civil Matemáticas I - Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 5- Ortogonalidad y mejor aproximación 5- El producto escalar Norma, distancia,
Más detallesTema 4.- El espacio vectorial R n.
Tema 4- El espacio vectorial R n Subespacios vectoriales de R n Bases de un subespacio Rango de una matriz 4 Bases de R n Cambios de base 5 Ejercicios En este tema estudiamos la estructura vectorial del
Más detalles1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 1. SOLUCIONES A LOS EJERCICIOS PROPUESTOS 1.1. ESPACIOS VECTORIALES 1. Analizar cuáles de los siguientes subconjuntos de R 3 son subespacios vectoriales. a) A = {(2x, x, 7x)/x R} El conjunto A es una
Más detallesVECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.
VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar
Más detalles5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades
5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio
Más detallesIES Fco Ayala de Granada ( Modelo 5) Soluciones Germán-Jesús Rubio Luna
PRUEBA DE ACCESO A LA UNIVERSIDAD MATEMÁTICAS II DE ANDALUCÍA CURSO 0-0 Opción A Ejercicio, Opción A, Modelo 5 de 0 ['5 puntos] Un alambre de longitud metros se divide en dos trozos Con el primero se forma
Más detallesSistemas de vectores deslizantes
Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido
Más detalles1. ESPACIOS VECTORIALES
1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,
Más detalles(Ec.1) 2α + β = b (Ec.4) (Ec.3)
Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detallesVectores en el espacio
Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesUNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD. Miguel A. Jorquera
UNIVERSIDADES DE ANDALUCIA PRUEBAS DE ACCESO A LA UNIVERSIDAD Miguel A. Jorquera BACHILLERATO MATEMÁTICAS II JUNIO 2 ii Índice General 1 Examen Junio 2. Opción B 1 2 SOLUCIONES del examen de junio 2 Opción
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesClase 15 Espacios vectoriales Álgebra Lineal
Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos
Más detallesGEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008
1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesÁlgebra lineal y matricial
Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detalles1. El teorema de la función implícita para dos y tres variables.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(
Más detallesEjercicios resueltos de vectores
Ejercicios resueltos de vectores 1) Sean a(2,-1,3), b(3,0,-2) y c(-2,-2,1), realiza las siguientes operaciones con vectores: a) 3a + b - c b) a -2b c) a c 2) Utilizando los vectores del ejercicio 1, comprueba
Más detallesSegundo de Bachillerato Geometría en el espacio
Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto
Más detallesEspacios vectoriales. Bases. Coordenadas
Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos
Más detallesAXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES
AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán
Más detallesy λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Más detallesPráctica de Aplicaciones Lineales
practica5.nb 1 Práctica de Aplicaciones Lineales Aplicaciones lineales y matrices Las matrices también desempeñan un papel muy destacado en el estudio de las aplicaciones lineales entre espacios vectoriales
Más detallesMÉTODOS DE ELIMINACIÓN Son tres los métodos de eliminación más utilizados: Método de igualación, de sustitución y de suma o resta.
ECUACIONES SIMULTÁNEAS DE PRIMER GRADO CON DOS INCÓGNITAS. Dos o más ecuaciones con dos incógnitas son simultáneas cuando satisfacen iguales valores de las incógnitas. Para resolver ecuaciones de esta
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesProblemas de Cinemática 1 o Bachillerato
Problemas de Cinemática 1 o Bachillerato 1. Sean los vectores a = i y b = i 5 j. Demostrar que a + b = a + b a b cos ϕ donde ϕ es el ángulo que forma el vector b con el eje X.. Una barca, que lleva una
Más detallesEcuaciones de segundo grado
3 Ecuaciones de segundo grado Objetivos En esta quincena aprenderás a: Identificar las soluciones de una ecuación. Reconocer y obtener ecuaciones equivalentes. Resolver ecuaciones de primer grado Resolver
Más detallesEspacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesTema 4: Aplicaciones lineales
Tema 4: Aplicaciones lineales Definición, primeras propiedades y ejemplos Definición. Sean V y W dos espacios vectoriales sobre un cuerpo K. Una función f : V W se dice que es una aplicación lineal si
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesTema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)
Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto
Más detallesÁlgebra Lineal Taller N o 2 con Matlab
Álgebra Lineal Taller N o con Matlab Tema: Introducción a las transformaciones lineales. Determinantes. Valores y vectores propios de matrices de orden n:diagonaliación de matrices de orden n. plicación
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesTema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.
Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal
Más detalles1. Vectores 1.1. Definición de un vector en R2, R3 (Interpretación geométrica), y su generalización en Rn.
1. VECTORES INDICE 1.1. Definición de un vector en R 2, R 3 (Interpretación geométrica), y su generalización en R n...2 1.2. Operaciones con vectores y sus propiedades...6 1.3. Producto escalar y vectorial
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo
Más detallesMatemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales
Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesOpción A Ejercicio 1 opción A, modelo 4 Septiembre 2014
IES Fco Ayala de Granada Septiembre de 014 (Modelo 4) Soluciones Germán-Jesús Rubio Luna [ 5 puntos] Sabiendo que Sabiendo que 0 0 cos(3) - e + a sen() Opción A Ejercicio 1 opción A, modelo 4 Septiembre
Más detallesPROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables
Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver
Más detalleselemento neutro y elemento unidad: inversa aditiva (opuesto): para todo λ K 0, existe un único µ K tal que λµ = 1;
3. Espacios Vectoriales 3.1. Definición de espacio vectorial Un cuerpo es una estructura algebraica (K, +, ) formada por un conjunto K no vacio y dos operaciones internas + y que verifican las siguientes
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesTema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Más detallesSe llama dominio de una función f(x) a todos los valores de x para los que f(x) existe. El dominio se denota como Dom(f)
MATEMÁTICAS EJERCICIOS RESUELTOS DE FUNCIONES FUNCIONES A. Introducción teórica A.1. Definición de función A.. Dominio y recorrido de una función, f() A.. Crecimiento y decrecimiento de una función en
Más detalles1. Resolver el sistema de dos ecuaciones con dos incógnitas AX = B, donde 1 0,999 1,999 A = 1,999 . 0,999 1 1 0,999 A = . 0,999 1. AX = αo 1 + βo 2.
Instituto de Matemática y Estadística Prof Ing Rafael Laguardia Facultad de Ingeniería Universidad de la República C1 y GAL1 anuales 2009 Trabajo: número de condición y SVD El objetivo de este trabajo
Más detallesESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN
Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra
Más detallesSistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
Más detallesConstrucción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
Más detallesIES Fco Ayala de Granada Junio de 2014 (Incidencias. Modelo 3) Soluciones Germán-Jesús Rubio Luna. Opción A
IES Fco Ayala de Granada Junio de 04 (Incidencias Modelo 3) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio opción A, modelo 3 Junio Incidencias 04 Sea f la función definida por f(x) = x + ln(x)
Más detallesvectoriales N(f) e Im(f) N(f) = (5,1,0),( 3,0,1) y f(1,0,0)=(2,-1,1). Se pide:
.- En los siguientes casos estudiar si f es una aplicación lineal y en caso afirmativo hallar una matriz A tal que f(x) Ax, así como los subespacios vectoriales N(f) e Im(f) a) f(x,y) = (x,-y) b) f(x,y)
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesOpción A Ejercicio 1 opción A, modelo Junio 2013 x cos(x) + b sen(x) [2 5 puntos] Sabiendo que lim
IES Fco Ayala de Granada Junio de 013 (Modelo ) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 013 x cos(x) + b sen(x) [ 5 puntos] Sabiendo que lim es finito, calcula b
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detalles4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA
4º ESO 1. ECUAC. 2º GRADO Y UNA INCÓGNITA Una ecuación con una incógnita es de segundo grado si el exponente de la incógnita es dos. Ecuaciones de segundo grado con una incógnita son: Esta última ecuación
Más detallesÁlgebra y Matemática Discreta Sesión de Prácticas 10
Álgebra y Matemática Discreta Sesión de Prácticas 10 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 18 Nov 2013-24 Nov 2013 Núcleos e Imágenes Definición Sea f : V W una aplicación lineal. Se
Más detalles3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
Más detallesSea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores
FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesMatemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales
Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesCálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.6 Extremos relativos de funciones de 2 variables
Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.6 Extremos relativos de funciones de 2 variables Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa
Más detalles2. Aritmética modular Ejercicios resueltos
2. Aritmética modular Ejercicios resueltos Ejercicio 2.1 Probar, mediante congruencias, que 3 2n+5 + 2 4n+1 es divisible por 7 cualquiera que sea el entero n 1. Trabajando módulo 7 se tiene que 3 2n+5
Más detallesAnálisis Dinámico: Integración
Análisis Dinámico: Integración Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Análisis Dinámico: Integración 1 / 57 Integración indefinida
Más detallesNota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:
Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición
Más detalles4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Más detallesAplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Más detallesProducto Interno y Ortogonalidad
Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto................................................ 1 8.2. Introducción...............................................
Más detallesTema 3. Matrices, determinantes y sistemas de ecuaciones lineales.
Ingeniería Civil Matemáticas I -3 Departamento de Matemática Aplicada II Escuela Superior de Ingenieros Universidad de Sevilla Tema 3 Matrices, determinantes y sistemas de ecuaciones lineales 3- Matrices
Más detallesMATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA
IES Fco Ayala de Granada Sobrantes 00 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 00 (Modelo ) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO Sea el recinto del plano definido
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detalles